{"id":18611,"date":"2023-07-31T11:53:12","date_gmt":"2023-07-31T09:53:12","guid":{"rendered":"https:\/\/www.astor.com.pl\/poradnikautomatyka\/?p=18611"},"modified":"2023-07-31T11:53:15","modified_gmt":"2023-07-31T09:53:15","slug":"czy-sztuczna-inteligencja-jest-inteligentna","status":"publish","type":"post","link":"https:\/\/www.astor.com.pl\/poradnikautomatyka\/czy-sztuczna-inteligencja-jest-inteligentna\/","title":{"rendered":"Czy sztuczna inteligencja jest inteligentna?"},"content":{"rendered":"\n
<\/div>\n\n\n\n

To jeden z najmodniejszych dzi\u015b temat\u00f3w: sztuczna inteligencja. Jest o niej bardzo g\u0142o\u015bno nie tylko w mediach bran\u017cowych, ale te\u017c i tych popularnych. Z jednej strony roztaczane s\u0105 czarne wizje: \u017ce komputery najpierw pozbawi\u0105 nas pracy, a potem przejm\u0105 w\u0142adz\u0119 nad \u015bwiatem. Z drugiej strony media technologiczne prze\u015bcigaj\u0105 si\u0119 w euforycznych zapowiedziach kolejnych zastosowa\u0144 sztucznej inteligencji, kt\u00f3ra ju\u017c teraz mo\u017ce wszystko, a b\u0119dzie potrafi\u0142a jeszcze wi\u0119cej.<\/strong><\/p>\n\n\n\n

Ponad 10 lat temu w felietonie na \u0142amach Biuletynu Automatyki napisa\u0142em tak:<\/p>\n\n\n\n

Jakie jest jedyne w\u00a0j\u0119zyku polskim s\u0142owo, kt\u00f3re zawiera a\u017c pi\u0119\u0107 samog\u0142osek \u201ey\u201d, a\u00a0ponadto zaczyna si\u0119 na \u201ey\u201d i\u00a0ko\u0144czy r\u00f3wnie\u017c na \u201ey\u201d? Chodzi rzecz jasna o\u00a0przymiotnik \u201eyntylygyntny\u201d. Ta stara zagadka przypomina mi si\u0119 zawsze, gdy czytam o\u00a0jakiej\u015b nowej formie inteligencji wyst\u0119puj\u0105cej na Ziemi. Bo nied\u0142ugo wszystko b\u0119dzie \u201einteligentne\u201d, nawet p\u0142ot albo \u0142opata. Dzi\u015b mamy ju\u017c inteligentne telefony, telewizory, lod\u00f3wki, a\u00a0nawet ca\u0142e domy. Nied\u0142ugo r\u00f3wnie inteligentne b\u0119d\u0105 samochody. W\u00a0kolejce po inteligencj\u0119 stoj\u0105 miasta.<\/em><\/p>\n\n\n\n

To mia\u0142 by\u0107 taki \u017cart. Tymczasem po 10 latach rzeczywisto\u015b\u0107 prze\u015bcign\u0119\u0142a wyobra\u017cenia \u2013 i\u00a0faktycznie sztuczna inteligencja staje si\u0119 wszechobecna. Potrafi z\u00a0nami rozmawia\u0107, potrafi narysowa\u0107 obrazek (jak mo\u017cna si\u0119 przekona\u0107 poni\u017cej), potrafi redagowa\u0107 teksty. Na \u0142amach Biuletynu Automatyki i Poradnika Automatyka ukazuj\u0105 si\u0119 informacje o\u00a0bardzo ciekawych (i\u00a0przynosz\u0105cych wymierne korzy\u015bci!) zastosowaniach tej technologii w\u00a0przemy\u015ble. Czy komputery faktycznie nied\u0142ugo zast\u0105pi\u0105 ludzi? Czy faktycznie sztuczna inteligencja potrafi wszystko? I\u00a0jak to w\u00a0og\u00f3le jest mo\u017cliwe?<\/p>\n\n\n\n

A mo\u017ce faktycznie powinni\u015bmy si\u0119 obawia\u0107? W dalszej cz\u0119\u015bci felietonu sprzed 10 lat napisa\u0142em:<\/p>\n\n\n\n

IQ \u015bwiata nieo\u017cywionego ro\u015bnie, ale mnie nieustannie trapi obawa, \u017ce wszystko m\u0105drzeje \u2013 a\u00a0ludzie g\u0142upiej\u0105.<\/em><\/p>\n\n\n\n

Gdzie jest cz\u0142owiek w tym wszystkim?<\/p>\n\n\n\n

W\u00a0Biuletynie Automatyki i na Poradniku Automatyka mocno st\u0105pamy po ziemi i\u00a0nie dajemy si\u0119 ponie\u015b\u0107 emocjom. Postanowili\u015bmy poprosi\u0107 ekspert\u00f3w, aby wyja\u015bnili nam, czym jest ta mityczna sztuczna inteligencja, jak dzia\u0142a i\u00a0co naprawd\u0119 potrafi. Opowiedz\u0105 o\u00a0tym Szymon Rewilak<\/strong> i\u00a0Mateusz Wojtulewicz<\/strong> z\u00a0Zespo\u0142u AI w\u00a0firmie ASTOR, kt\u00f3rzy uczestniczyli m.in. we wdro\u017ceniu Barometru AVEVA oraz w\u00a0implementacji AI w\u00a0systemie BMS w\u00a0ASTOR Technology Park.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\n\n\n\n
<\/div>\n\n\n\n

Mateusz Pierzcha\u0142a: Czy wszyscy stracimy prac\u0119 przez ChatGPT?<\/strong><\/p>\n\n\n\n

Szymon Rewilak<\/strong>: Na razie na szcz\u0119\u015bcie nie s\u0142yszy si\u0119 o\u00a0masowych zwolnieniach.<\/p>\n\n\n\n

Media g\u0142osz\u0105 tak\u0105 wizj\u0119, \u017ce przez sztuczn\u0105 inteligencj\u0119 wielu ludzi straci zaj\u0119cie. ChatGPT zast\u0105pi autor\u00f3w tekst\u00f3w, programist\u00f3w, doradc\u00f3w, nauczycieli. Ale jednocze\u015bnie \u2013 mam wra\u017cenie \u2013 \u017ce nie bardzo potrafi\u0105 nam wyt\u0142umaczy\u0107, czym w\u00a0og\u00f3le sztuczna inteligencja jest.<\/strong><\/p>\n\n\n\n

Mateusz Wojtulewicz<\/strong>: Na ten temat jest bardzo du\u017co nieporozumie\u0144 i\u00a0b\u0142\u0119dnych opinii. A\u00a0\u017ceby zdefiniowa\u0107, czym jest sztuczna inteligencja, trzeba by\u0142oby sobie najpierw powiedzie\u0107, czym jest inteligencja sama w\u00a0sobie. I\u00a0tu napotykamy na pierwszy problem, bo nie ma jednej, og\u00f3lnie przyj\u0119tej definicji tego poj\u0119cia, a\u00a0co za tym idzie \u2013 nie ma jednej definicji sztucznej inteligencji. S\u0105 dwa g\u0142\u00f3wne podej\u015bcia: techniczne oraz takie bardziej teoretyczne. Ja bardzo lubi\u0119 t\u0119 techniczn\u0105 definicj\u0119: sztuczna inteligencja to jest ka\u017cdy system, kt\u00f3ry ma za zadanie imitowa\u0107 inteligencj\u0119 naturaln\u0105, ludzk\u0105. Czyli wykonywa\u0107 powierzone mu zadania w\u00a0spos\u00f3b zak\u0142adaj\u0105cy pewn\u0105 inteligencj\u0119. To jest bardzo ciekawa definicja, bo jest ona bardzo pojemna. Pasuj\u0105 do niej wszystkie proste algorytmy typu IF-ELSE, kt\u00f3re na podstawie jakichkolwiek warunk\u00f3w podejmuj\u0105 proste decyzje. Tego typu algorytmy s\u0105 \u015bci\u015ble zaprogramowane przez cz\u0142owieka, wi\u0119c nie mo\u017cna powiedzie\u0107, \u017ce s\u0105 \u201einteligentne same w\u00a0sobie\u201d albo \u017ce same si\u0119 ucz\u0105. Jak wida\u0107, sztuczna inteligencja jest poj\u0119ciem naprawd\u0119 bardzo szerokim.<\/p>\n\n\n\n

Bardziej teoretyczne podej\u015bcie jest takie: inteligencja to jest miara umiej\u0119tno\u015bci podmiotu do adaptacji do nowego zadania, w zale\u017cno\u015bci od aktualnej wiedzy posiadanej przez ten podmiot, od trudno\u015bci tego zadania oraz stopnia jego abstrakcyjno\u015bci \u2013 w por\u00f3wnaniu do innych zada\u0144, kt\u00f3re podmiot potrafi wykonywa\u0107. Shane Legg i Marcus Hutter w swojej pracy \u201eUniversal Intelligence: A Definition of Machine Intelligence\u201d podsumowali to jednym zdaniem: \u201eInteligencja mierzy zdolno\u015b\u0107 do osi\u0105gania cel\u00f3w w rozmaitych \u015brodowiskach\u201d. Jeszcze pro\u015bciej mo\u017cna powiedzie\u0107 tak: inteligencja jest miar\u0105 umiej\u0119tno\u015bci abstrakcji.<\/p>\n\n\n\n

Ta definicja wywo\u0142uje pewne emocje w\u015br\u00f3d naukowc\u00f3w, kt\u00f3rzy uwa\u017caj\u0105, \u017ce sztuczna inteligencja wykonuje zadania, do kt\u00f3rych cz\u0142owiek potrzebuje inteligencji, ale de facto bez u\u017cywania inteligencji. Sztuczna inteligencja modeluje albo oblicza pewne rzeczy, przelicza pewne procesy, natomiast tak naprawd\u0119 nie ma inteligencji w rozumieniu ludzkim. Nie jest inteligentna, jest sztuczna.<\/p>\n\n\n\n

Szymon<\/strong>: Powszechne wyobra\u017cenie jest takie, \u017ce sztuczna inteligencja to jest taki \u201esystem\u201d, kt\u00f3ry potrafi na podstawie danych wej\u015bciowych podejmowa\u0107 decyzje. To mocne uog\u00f3lnienie. Jak powiedzia\u0142 Mateusz, definicja AI jest bardzo szeroka. Natomiast to, co mamy najcz\u0119\u015bciej na my\u015bli, gdy m\u00f3wimy o\u00a0sztucznej inteligencji, to tak zwane uczenie maszynowe. S\u0105 to wszystkie algorytmy, kt\u00f3re potrafi\u0105 same si\u0119 uczy\u0107. Potrafi\u0105 na podstawie do\u015bwiadczenia \u201eulepsza\u0107 si\u0119\u201d. Mo\u017cemy jednak p\u00f3j\u015b\u0107 jeszcze g\u0142\u0119biej \u2013 mamy te\u017c tzw. uczenie g\u0142\u0119bokie, kt\u00f3re jest podzbiorem uczenia maszynowego. W\u00a0tym przypadku nie podajemy systemowi \u017cadnych cech, a\u00a0wi\u0119c tego, na podstawie czego ma podejmowa\u0107 decyzje. Dajemy mu tylko cel, przygotowujemy dane, a\u00a0system sam si\u0119 uczy, bez cech zadanych przez cz\u0142owieka. Sam znajduje te cechy.<\/p>\n\n\n\n

<\/div>\n\n\n
\n
\"\"<\/figure>\n<\/div>\n\n\n
<\/div>\n\n\n\n

Tu warto jeszcze zwr\u00f3ci\u0107 uwag\u0119 na pewne cz\u0119ste nieporozumienie. Ot\u00f3\u017c do\u015b\u0107 popularna jest opinia, \u017ce sztuczna inteligencja to s\u0105 systemy bardzo rozbudowane i o niemal cudownych mo\u017cliwo\u015bciach. Prawda jest taka, \u017ce czasami nawet bardzo banalne rozwi\u0105zanie, realizuj\u0105ce proste zadania, te\u017c ju\u017c \u2013 w my\u015bl definicji \u2013 mo\u017cemy nazwa\u0107 sztuczn\u0105 inteligencj\u0105. A proste algorytmy uczenia maszynowego wcale nie s\u0105 technicznie bardzo skomplikowane.<\/p>\n\n\n\n

Ale mityczny ChatGPT jest jednak chyba do\u015b\u0107 skomplikowany?<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: ChatGPT jest systemem, kt\u00f3ry umie\u015bciliby\u015bmy na granicy mi\u0119dzy uczeniem maszynowym, a\u00a0uczeniem g\u0142\u0119bokim \u2013 raczej bli\u017cej uczenia g\u0142\u0119bokiego. Gwoli \u015bcis\u0142o\u015bci pami\u0119tajmy, chat to jest prosty chatbot, prosta aplikacja internetowa. Tak naprawd\u0119 ca\u0142\u0105 prac\u0119 wykonuje model GPT (obecnie ju\u017c w\u00a0wersji 4), kt\u00f3ry jest podstaw\u0105 dzia\u0142ania tego systemu. Jest to model oparty na tzw. transformerach, czyli sieciach neuronowych o\u00a0architekturze przystosowanej pod zadania przetwarzania j\u0119zyka naturalnego. By\u0142 on wytrenowany na ogromnym korpusie oko\u0142o 45 TB danych wej\u015bciowych. Na te dane sk\u0142ada\u0142y si\u0119 m.in. Wikipedia, miliony artyku\u0142\u00f3w naukowych i\u00a0nienaukowych, blogi, ksi\u0105\u017cki, w\u0142a\u015bciwie wszystko, co jest w\u00a0Internecie. W\u00a0efekcie wytrenowany zosta\u0142 model j\u0119zykowy przystosowany do zadania przewidywania kolejnych wyraz\u00f3w w\u00a0tek\u015bcie (sequence completion). Nast\u0119pnie dotrenowano model GPT3 przy pomocy dodatkowych 570GB danych tekstowych, przygotowanych pod k\u0105tem przygotowania chatbota. Na podstawie tych wszystkich danych model zosta\u0142 wytrenowany, czyli zosta\u0142a zbudowana pewna baza j\u0119zykowa, model j\u0119zykowy, a\u00a0na podstawie tego modelu zosta\u0142y stworzone aplikacje takie, jak ChatGPT, kt\u00f3ry generuje odpowiedzi na pytania.<\/p>\n\n\n\n

Mamy wi\u0119c do czynienia z\u00a0modelem, kt\u00f3ry \u2013 jak w\u00a0starym kawale \u2013 jest jak Chuck Norris: przeczyta\u0142 ca\u0142y Internet?<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: dobre por\u00f3wnanie, ale niepe\u0142ne. Gdyby przeczyta\u0142 ca\u0142y Internet, to by\u0142by klasyczny przypadek przetrenowania. Przetrenowanie to jest \u2013 w\u00a0uproszczeniu m\u00f3wi\u0105c \u2013 taki stan systemu, kiedy \u201enauczy\u0142 si\u0119\u201d on czego\u015b na pami\u0119\u0107, czyli de facto nie zgeneralizowa\u0142 tego, czego si\u0119 uczy\u0142, nie stworzy\u0142 pewnego modelu, nauczy\u0142 si\u0119 po prostu wszystkiego na pami\u0119\u0107. Mo\u017cna pos\u0142u\u017cy\u0107 si\u0119 prostym przyk\u0142adem: mam dobr\u0105 pami\u0119\u0107, wi\u0119c naucz\u0119 si\u0119 tabliczki mno\u017cenia do 100, czyli maksymalnie do dzia\u0142ania 10 x 10, ale bez zrozumienia procesu mno\u017cenia. Gdy kto\u015b mnie zapyta, ile jest 5 x 5, to b\u0119d\u0119 wiedzie\u0107, ale jak mnie kto\u015b zapyta, ile jest 5 x 100, to nie b\u0119d\u0119 umia\u0142 tego policzy\u0107.<\/p>\n\n\n\n

Czyli mo\u017cna w\u00a0uproszczeniu powiedzie\u0107: nauczy\u0142 si\u0119, ale nie zrozumia\u0142?<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: Tak. Co\u015b takiego zdarza si\u0119 zazwyczaj wtedy, kiedy model jest zbyt pojemny w\u00a0stosunku do stopnia skomplikowania zadania.<\/p>\n\n\n\n

Szymon<\/strong>: Innymi s\u0142owami mo\u017cna powiedzie\u0107, \u017ce opisuje zbyt wiele parametr\u00f3w w\u00a0stosunku do ilo\u015bci danych, na kt\u00f3rych jest uczony.<\/p>\n\n\n\n

Zatem wiemy ju\u017c, \u017ce nie wystarczy, by sztuczna inteligencja przeczyta\u0142a Internet. Musi jeszcze potrenowa\u0107?<\/strong><\/p>\n\n\n\n

Szymon<\/strong>: Oczywi\u015bcie \u2013 i\u00a0zwykle trenowanie modelu to nie jest jednorazowa operacja. Tutaj trzeba powiedzie\u0107, \u017ce modele takie, jak GPT zmagaj\u0105 si\u0119 z\u00a0dwoma wymaganiami: \u017ceby zamodelowa\u0107 j\u0119zyk oraz \u017ceby pisa\u0107 w\u00a0spos\u00f3b zrozumia\u0142y dla ludzi. Tego rodzaju model j\u0119zykowy mo\u017cemy por\u00f3wna\u0107 do ogromnie skomplikowanej funkcji o\u00a0milionach parametr\u00f3w. Jest to model generatywny, co rozumiemy w\u00a0taki spos\u00f3b, \u017ce ta skomplikowana funkcja przyjmuje pewne dane wej\u015bciowe i\u00a0przetwarza je w\u00a0taki spos\u00f3b, \u017ce na wyj\u015bciu wyprowadza pewne dane wyj\u015bciowe. Aby tak by\u0142o, trzeba j\u0105 tego nauczy\u0107. W\u00a0przypadku GPT proces mia\u0142 kilka etap\u00f3w. Model by\u0142 uczony w\u00a0taki spos\u00f3b, \u017ceby jego j\u0119zyk by\u0142 jak najbardziej zrozumia\u0142y i\u00a0jak najbardziej podobny do cz\u0142owieka. By to osi\u0105gn\u0105\u0107, najpierw sam si\u0119 uczy\u0142 \u2013 na podstawie dostarczonych mu danych \u2013 a\u00a0nast\u0119pnie by\u0142 poddawany douczeniu. A\u00a0to ju\u017c by\u0142 proces z\u00a0udzia\u0142em ludzi. Zatrudnieni zostali tzw. tutorzy, kt\u00f3rzy rozmawiali z\u00a0czatem i\u00a0zadawali mu pytania. Na ka\u017cde pytanie model przygotowywa\u0142 pi\u0119\u0107 odpowiedzi, a\u00a0tutorzy oceniali je, uk\u0142adaj\u0105c w\u00a0kolejno\u015bci od najlepszej do najgorszej. Ta swego rodzaju informacja zwrotna by\u0142a przez model wykorzystana do ulepszenia swojego dzia\u0142ania.<\/p>\n\n\n\n

Mateusz<\/strong>: Pami\u0119tajmy te\u017c, \u017ce \u0142atwo si\u0119 m\u00f3wi: model. Informatycznie jest to bardzo z\u0142o\u017cony system, sk\u0142adaj\u0105cy si\u0119 z\u00a0wielu skomplikowanych algorytm\u00f3w. Jest w\u00a0GPT na przyk\u0142ad zaszyty bardzo ciekawy mechanizm atencji, kt\u00f3ry pozwala na utrzymywanie kontekstu. Chodzi o\u00a0to, \u017ce ChatGPT \u201epami\u0119ta\u201d, co m\u00f3wi\u0142 przed chwil\u0105. Pami\u0119ta na przyk\u0142ad, co by\u0142o podmiotem w\u00a0zdaniu i\u00a0potrafi do tego dopasowa\u0107 form\u0119 orzeczenia. Dzi\u0119ki temu wypowiedzi s\u0105 generalnie sp\u00f3jne.<\/p>\n\n\n\n

Mamy wi\u0119c model, kt\u00f3ry odpowiada na pytania, pisze artyku\u0142y, programy lub wiersze. Copywriterzy i\u00a0programi\u015bci boj\u0105 si\u0119 o\u00a0miejsca pracy. Amazon wstrzyma\u0142 nawet wydawanie nowych autor\u00f3w w\u00a0ramach self-publishingu, gdy\u017c pono\u0107 zala\u0142a go fala \u201eliteratury\u201d wygenerowanej przez ChatGPT. Ale czy to naprawd\u0119 jest tw\u00f3rczo\u015b\u0107? Na czym polega kreatywno\u015b\u0107 takiego modelu?<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: Je\u017celi model GPT wygeneruje pewne zdania, to s\u0105 to zdania, kt\u00f3re on rzeczywi\u015bcie wygenerowa\u0142. Nie jest tak, \u017ce s\u0105 to zdania napisane przez ludzi, kt\u00f3re model \u201eskopiowa\u0142\u201d z\u00a0Internetu. Nie jest tak, \u017ce on znajduje gotowe wypowiedzi w\u00a0swojej bazie, poniewa\u017c tam po prostu nie ma bazy wiedzy. Jest tam tylko model j\u0119zyka. On nie patrzy na dane, z\u00a0kt\u00f3rych si\u0119 uczy\u0142, tylko na to, co wysz\u0142o z\u00a0tych danych \u2013 i\u00a0na tej podstawie generuje kolejne s\u0142owa i\u00a0kolejne zdania. Jest to wi\u0119c jaki\u015b rodzaj kreatywno\u015bci, sztucznej kreatywno\u015bci. Ale ten model nauczy\u0142 si\u0119 umiej\u0119tno\u015bci tworzenia zda\u0144 na podstawie tekst\u00f3w, kt\u00f3re kto\u015b faktycznie napisa\u0142 lub powiedzia\u0142. Jest to model stochastyczny, a\u00a0wi\u0119c w\u00a0pewnej mierze losowy. Nie mo\u017cna wi\u0119c wykluczy\u0107, \u017ce wygeneruje zdanie identyczne jak to, kt\u00f3re kto\u015b kiedy\u015b faktycznie napisa\u0142. Ewentualnych pos\u0105dze\u0144 o\u00a0plagiat bym nie wyklucza\u0142.<\/p>\n\n\n\n

Szymon<\/strong>: Popatrzmy na GPT jak na taki symulator, kt\u00f3ry mo\u017ce imitowa\u0107, co ludzie \u201eby powiedzieli\u201d w\u00a0odpowiedzi na dane pytanie. Symulator ten uczy\u0142 si\u0119, czytaj\u0105c miliardy zda\u0144 prawdziwych ludzi. Mo\u017cna to por\u00f3wna\u0107 do dziecka, kt\u00f3re od urodzenia s\u0142ucha\u0142o swoich rodzic\u00f3w, kt\u00f3rzy u\u017cywali pewnych sformu\u0142owa\u0144, niekt\u00f3rych zbyt cz\u0119sto, a\u00a0potem dziecko to powtarza. Czasem dos\u0142ownie, czasem kreatywnie, a\u00a0czasem zabawnie przekr\u0119caj\u0105c.<\/p>\n\n\n\n

A\u00a0jak si\u0119 to ma do pisania kodu programistycznego?<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: C\u00f3\u017c, to jest ten sam model. GPT rozumie j\u0119zyk programowania tak, jak ka\u017cdy j\u0119zyk naturalny. Pami\u0119tajmy, \u017ce j\u0119zyki programowania s\u0105 du\u017co, du\u017co prostsze od naturalnych. Model \u201euczy si\u0119\u201d ich przez czytanie kodu. Programi\u015bci jednak pr\u0119dko nie strac\u0105 pracy, przynajmniej nie wszyscy. GPT potrafi rozwi\u0105zywa\u0107 bardzo proste zadania. Takie w\u00a0rodzaju przys\u0142owiowych 10 linijek kodu, rozwi\u0105zuj\u0105cych jaki\u015b prosty problem. Ale to jest wiedza, kt\u00f3ra i\u00a0bez GPT jest obecnie dost\u0119pna dla ka\u017cdego \u2013 i\u00a0programi\u015bci zawsze z\u00a0niej korzystali. Je\u017celi kto\u015b potrafi dobrze korzysta\u0107 z\u00a0Google, poradzi sobie bez ChatGPT. Natomiast ju\u017c bardziej z\u0142o\u017cone problemy programistyczne s\u0105 poza zasi\u0119giem takiego modelu w\u00a0tej chwili. Albo odpowie nam bardzo og\u00f3lnie i\u00a0powie co\u015b, co nie ma \u017cadnej tre\u015bci, albo przedstawi b\u0142\u0119dne rozwi\u0105zanie. Bez trudu znale\u017ali\u015bmy kiedy\u015b bardzo prosty problem programistyczny, kt\u00f3rego ChatGPT nie potrafi\u0142 rozwi\u0105za\u0107. W\u00a0pewnych sytuacjach rozwi\u0105zanie to mo\u017ce nam pom\u00f3c, jednak wci\u0105\u017c ma bardzo powa\u017cne ograniczenia.<\/p>\n\n\n\n

<\/div>\n\n\n
\n
\"\"
Zesp\u00f3\u0142 AI w firmie ASTOR. Od lewej: Marek Zamojski, Mateusz Zajchowski, Bart\u0142omiej Hebda, Szymon Rewilak, Mateusz Wojtulewicz<\/em>. \u0179r\u00f3d\u0142o: ASTOR<\/figcaption><\/figure>\n<\/div>\n\n\n
<\/div>\n\n\n\n

Poruszyli\u015bmy w\u00a0ten spos\u00f3b powa\u017cniejszy temat: czy to, co pisze nam sztuczna inteligencja, jest w\u00a0og\u00f3le wiarygodne?<\/strong><\/p>\n\n\n\n

Szymon<\/strong>: Na swojej stronie firma Open AI (autor ChatGPT) jasno komunikuje, \u017ce ich model ma istotne ograniczenia i\u00a0nie mo\u017ce by\u0107 traktowany jako \u201e\u017ar\u00f3d\u0142o prawdy\u201d. Z\u00a0pewno\u015bci\u0105 na razie nie s\u0105 to rozwi\u0105zania w\u00a0pe\u0142ni wiarygodne. Por\u00f3wna\u0142bym ChatGPT do kogo\u015b, kto jest bardzo zadufany w\u00a0swoj\u0105 wiedz\u0119 i\u00a0nigdy nie przyzna si\u0119, \u017ce czego\u015b nie wie. Czasami m\u00f3wi wi\u0119c autorytatywnie: prosz\u0119 bardzo, to jest prawda \u2013 a\u00a0tak naprawd\u0119 wcale nie jest to prawda. Jest wi\u0119c jak taki anegdotyczny wujek na imprezie, kt\u00f3ry wypowiada si\u0119 na ka\u017cdy temat na \u015bwiecie, bez cienia w\u0105tpliwo\u015bci i\u00a0nie znosz\u0105c sprzeciwu.<\/p>\n\n\n\n

M\u00f3wi si\u0119 o\u00a0takich ludziach: \u201enajm\u0105drzejszy z\u00a0ca\u0142ej wsi\u201d. Albo \u201eg\u0142upio-m\u0105dry\u201d.<\/strong><\/p>\n\n\n\n

Szymon<\/strong>: ChatGPT w\u00a0jednej z\u00a0poprzednich wersji uparcie przekonywa\u0142 u\u017cytkownik\u00f3w, \u017ce kilogram gwo\u017adzi jest ci\u0119\u017cszy ni\u017c kilogram pierza. Bo tak mu si\u0119 wydawa\u0142o. Mamy wi\u0119c model zbudowany na podstawie ogromnej bazy wiedzy, ale nie mo\u017cna go nazwa\u0107 \u201e\u017ar\u00f3d\u0142em prawdy\u201d. Dlatego nadal samodzielne poszukiwanie i\u00a0czytanie informacji jest wiarygodniejsze od jakiegokolwiek modelu AI.<\/p>\n\n\n\n

Powiedzia\u0142e\u015b jednak: \u201ena razie\u201d. Czy na razie nie, ale kiedy\u015b tak?<\/strong><\/p>\n\n\n\n

Szymon<\/strong>: Model wie tyle, jakie ma dane. Musia\u0142by by\u0107 znacznie bardziej rozbudowany i\u00a0mie\u0107 w\u00a0pe\u0142ni wiarygodne dane, wtedy to b\u0119dzie mo\u017cliwe. Jest jednak inna, bardzo wa\u017cna rzecz, o\u00a0kt\u00f3rej warto wspomnie\u0107. Tym, na czym \u015bwiat Data Science jest obecnie najbardziej skupiony, jest wyja\u015bnialno\u015b\u0107 (ang. explainibility). Bardzo cz\u0119sto mamy do czynienia z\u00a0sytuacj\u0105, \u017ce z\u00a0takiego czarnego pude\u0142ka sztucznej inteligencji dostajemy wynik, ale chcieliby\u015bmy wiedzie\u0107, dlaczego wynik jest taki, a\u00a0nie inny. Z\u00a0tak\u0105 sytuacj\u0105 mamy do czynienia w\u00a0wielu odpowiedzialnych zastosowaniach, na przyk\u0142ad w\u00a0przypadku system\u00f3w medycznych. Chcemy wiedzie\u0107, dlaczego system poda\u0142 taki wynik, poniewa\u017c mamy do czynienia z\u00a0bardzo du\u017cym ryzykiem. Ma to te\u017c wp\u0142yw przy wyborze algorytmu, bo czasami potrzebujemy mie\u0107 wi\u0119ksz\u0105 wyja\u015bnialno\u015b\u0107, nawet kosztem innych parametr\u00f3w. Nad rozwojem w\u00a0tej dziedzinie obecnie bardzo intensywnie si\u0119 pracuje.<\/p>\n\n\n\n

Gdy widz\u0119 w\u00a0mediach te wszystkie euforyczne nag\u0142\u00f3wki, dziwi mnie jeszcze jedno. Mam ju\u017c swoje lata i\u00a0dlatego \u015bwietnie pami\u0119tam, \u017ce to wszystko, o\u00a0czym m\u00f3wimy, to nie jest \u017cadna nowo\u015b\u0107. O\u00a0sztucznej inteligencji czy sieciach neuronowych by\u0142a mowa ju\u017c w\u00a0latach 80. ubieg\u0142ego wieku. Sk\u0105d dzi\u015b ta eksplozja zainteresowania tematem?<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: Oczywi\u015bcie to nie jest nowo\u015b\u0107. Teoretyczne podstawy sztucznej inteligencji zosta\u0142y wymy\u015blone wiele lat temu. Natomiast wtedy nie byli\u015bmy gotowi technicznie na ich zastosowanie. Ciekawostka: niekt\u00f3re algorytmy (jak na przyk\u0142ad wnioskowanie Bayesowskie) istnia\u0142y d\u0142ugo przed komputerami i\u00a0by\u0142y wyprowadzone i\u00a0obliczane na kartkach. Dzi\u015b mamy du\u017co wi\u0119ksze moce obliczeniowe i\u00a0du\u017co wi\u0119ksze mo\u017cliwo\u015bci przechowywania i\u00a0przetwarzania danych. Zebra\u0107 i\u00a0przechowywa\u0107 tak\u0105 ilo\u015b\u0107 danych jest bardzo trudno, nie m\u00f3wi\u0105c ju\u017c o\u00a0tym, jaki czas jest potrzebny do ich przetworzenia. Te algorytmy, kt\u00f3re kiedy\u015b ludzie wymy\u015blili, teraz znajduj\u0105 zastosowanie do rozwi\u0105zywania problem\u00f3w nieraz bardzo przyziemnych, kt\u00f3re zawsze wyst\u0119powa\u0142y, ale nie by\u0142o takiej potrzeby, \u017ceby je a\u017c tak optymalizowa\u0107. Fabryka nie potrzebuje optymalizacji robot\u00f3w, je\u017celi nie ma robot\u00f3w. Teraz mamy roboty, mamy skomplikowane systemy sterowania, SCADA, mamy r\u00f3\u017cne inne rozwi\u0105zania, wi\u0119c do tego mo\u017cemy do\u0142o\u017cy\u0107 sztuczn\u0105 inteligencj\u0119 i\u00a0znale\u017a\u0107 oszcz\u0119dno\u015bci o\u00a01, 5 lub 8%.<\/p>\n\n\n\n

Szymon<\/strong>: Poza tym du\u017co si\u0119 dzi\u015b m\u00f3wi o\u00a0sztucznej inteligencji, poniewa\u017c teraz ma to warto\u015b\u0107. Dzi\u015b mamy z\u00a0tego oszcz\u0119dno\u015bci, mamy konkretne zyski. Z\u00a0naukowego punktu widzenia nie mamy teraz do czynienia z\u00a0jakim\u015b niesamowitym rozwojem sztucznej inteligencji. Nie s\u0105 to \u017cadne nowe kamienie milowe. Rozw\u00f3j oczywi\u015bcie nast\u0119puje, ale g\u0142\u00f3wnie w\u00a0obszarach, kt\u00f3re s\u0105 ma\u0142o medialne (np. wspominana wyja\u015bnialno\u015b\u0107). Natomiast z\u00a0perspektywy praktycznej, z\u00a0punktu widzenia naszego patrzenia, rozw\u00f3j jest dzi\u015b bardzo du\u017cy, poniewa\u017c dopiero teraz mo\u017cemy zastosowa\u0107 w\u00a0praktyce rozwi\u0105zania wymy\u015blone dawno temu \u2013 i\u00a0powstaj\u0105 takie efektowne narz\u0119dzia, jak ChatGPT czy Midjourney.<\/p>\n\n\n\n

Porozmawiajmy chwil\u0119 o\u00a0tych rozwi\u0105zaniach. W\u00a0powszechnym odbiorze cz\u0119sto spotyka si\u0119 takie uproszczenie, \u017ce sztuczna inteligencja r\u00f3wna si\u0119 sieci neuronowe. Bardzo tego nie lubicie.<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: Uto\u017csamianie sztucznej inteligencji z\u00a0sieciami neuronowymi jest bardzo du\u017cym b\u0142\u0119dem. Istniej\u0105 dziesi\u0105tki algorytm\u00f3w AI, du\u017co prostszych i\u00a0du\u017co cz\u0119\u015bciej w\u00a0rzeczywisto\u015bci wykorzystywanych, jak cho\u0107by algorytmy regresji liniowej czy drzewa decyzyjne. Na og\u00f3\u0142 te algorytmy poradz\u0105 sobie znacznie lepiej, ni\u017c sieci neuronowe. Sie\u0107 neuronowa jest cz\u0119sto armat\u0105 na wr\u00f3bla. B\u0119dzie zbyt skomplikowana albo si\u0119 po prostu przeuczy.<\/p>\n\n\n\n

Szymon<\/strong>: Naszym zdaniem sie\u0107 neuronowa nie jest algorytmem, lecz raczej systemem obliczeniowym. Algorytmem jest na przyk\u0142ad samouczenie sieci. Prawda jest jednak taka, \u017ce je\u017celi nie mamy pomys\u0142u, jak skonstruowa\u0107 system sztucznej inteligencji, zazwyczaj w\u00a0pierwszej kolejno\u015bci si\u0119gamy po algorytmy drzewiaste. My\u015bl\u0119, \u017ce sie\u0107 neuronowa jest tak popularna, bo ta nazwa po prostu dobrze brzmi. Kojarzy si\u0119 z\u00a0m\u00f3zgiem, sztucznym m\u00f3zgiem.<\/p>\n\n\n\n

Mateusz<\/strong>: \u017beby by\u0142o jasne: sieci neuronowe jest to doskona\u0142y mechanizm, kt\u00f3ry sprawdza si\u0119 w\u00a0wielu sytuacjach, poniewa\u017c jest bardzo szeroka rodzina funkcji, kt\u00f3r\u0105 sieci neuronowe s\u0105 w\u00a0stanie przybli\u017cy\u0107. Nazywa si\u0119 je uniwersalnymi aproksymatorami funkcji. Bo w\u00a0sztucznej inteligencji chodzi zawsze o\u00a0to, \u017ce poszukujemy pewnej funkcji opisuj\u0105cej rzeczywisto\u015b\u0107, a\u00a0nie zawsze ta funkcja jest dost\u0119pna wprost. Potrzebne jest znalezienie jakiego\u015b jej przybli\u017cenia. Sie\u0107 neuronowa jest w\u00a0tym doskona\u0142a, ma bardzo du\u017co parametr\u00f3w, jest plastyczna w\u00a0dostrajaniu si\u0119 do pewnych okoliczno\u015bci. Dlatego tak cz\u0119sto stosuje si\u0119 sieci, szczeg\u00f3lnie w\u00a0wielowymiarowych i\u00a0skomplikowanych problemach.<\/p>\n\n\n\n

Co jest dzi\u015b najwi\u0119kszym wyzwaniem dla praktycznego wykorzystywania sztucznej inteligencji?<\/strong><\/p>\n\n\n\n

Szymon<\/strong>: Najbardziej prozaiczne wyzwania to moc obliczeniowa i\u00a0dost\u0119pne dane. W\u00a0jednym ze studenckich projekt\u00f3w natkn\u0105\u0142em si\u0119 np. na taki problem, \u017ce obrazy, kt\u00f3re musia\u0142em przetwarza\u0107, by\u0142y tak du\u017ce, \u017ce nie mia\u0142em dost\u0119pu do takiej karty graficznej, kt\u00f3ra by temu podo\u0142a\u0142a. Je\u017celi za\u015b chodzi o\u00a0dane, to problemem mo\u017ce by\u0107 ma\u0142a wiedza o\u00a0danym zjawisku. Trzeba mie\u0107 du\u017c\u0105 wiedz\u0119 o\u00a0zjawisku, \u017ceby je dobrze zamodelowa\u0107. Jako data scientist musz\u0119 zna\u0107 dobrze proces, kt\u00f3ry obrabiam. Musz\u0119 odpowiednio dobra\u0107 cechy dla algorytmu uczenia maszynowego. Je\u017celi mamy za du\u017co cech \u2013 mamy przeuczenie. Je\u017celi we\u017amiemy za ma\u0142o parametr\u00f3w, sie\u0107 b\u0119dzie za s\u0142abo wytrenowana.<\/p>\n\n\n\n

Kolejne wyzwanie to w\u0142a\u015bciwy dob\u00f3r narz\u0119dzia. Jak wspomnia\u0142 Mateusz, mamy bardzo du\u017co algorytm\u00f3w i musimy je w\u0142a\u015bciwie dobra\u0107 do zastosowania: czy bierzemy sieci neuronowe, czy bierzemy drzewa decyzyjne, itd. Trzeba tu te\u017c wzi\u0105\u0107 pod uwag\u0119, \u017ce niekt\u00f3re rozwi\u0105zania s\u0105 bardziej kosztowne od innych, na przyk\u0142ad ze wzgl\u0119du na potrzebn\u0105 moc obliczeniow\u0105. Trzeba to analizowa\u0107 pod k\u0105tem korzy\u015bci biznesowych.<\/p>\n\n\n\n

Co ciekawe kolejnym wyzwaniem jest stochastyczno\u015b\u0107 modeli. Niekt\u00f3re modele s\u0105 stochastyczne, to znaczy nie s\u0105 deterministyczne, a wi\u0119c mog\u0105 dawa\u0107 r\u00f3\u017cne wyniki dla takich samych danych wej\u015bciowych. W pewnych sytuacjach to mo\u017ce by\u0107 problem.<\/p>\n\n\n\n

Klaruje si\u0119 tu bardzo jasny obraz. Algorytm jest wa\u017cny, ale najwa\u017cniejsze s\u0105 dane.<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: W\u00a0\u015bwiecie Data Science jest bardzo znane powiedzenie: je\u017celi masz \u015bmieci na wej\u015bciu, dostajesz \u015bmieci na wyj\u015bciu. Dane zawsze trzeba przygotowa\u0107. Nawet zwyk\u0142e wrzucenie do bazy danych jest ju\u017c pewnym rodzajem przygotowania. Dane musz\u0105 by\u0107 rzetelne i\u00a0\u2013 jak ju\u017c wspominali\u015bmy \u2013 jak najlepiej opisywa\u0107 modelowane zjawisko. Jedna rzecz jest wa\u017cna. Wbrew temu, czego mo\u017cna by\u0142oby si\u0119 obawia\u0107, pojedyncze b\u0142\u0119dy w\u00a0danych nie stanowi\u0105 powa\u017cnego problemu, podobnie jak wyst\u0119powanie rozbie\u017cno\u015bci. W\u00a0du\u017cym uproszczeniu mo\u017cna powiedzie\u0107, \u017ce modele sztucznej inteligencji zawsze dokonuj\u0105 pewnych u\u015brednie\u0144. Przyk\u0142adowo je\u017celi w\u00a0danych znajdzie si\u0119 informacja, \u017ce \u015bredni wzrost ludzi na \u015bwiecie to 175 cm, a\u00a0w\u00a0innym miejscu \u2013 \u017ce 180 cm, to model si\u0119 od tego nie zawiesi, nie wybierze te\u017c \u017cadnej z\u00a0tych warto\u015bci, tylko dokona pewnego u\u015brednienia.<\/p>\n\n\n\n

Mo\u017cna powiedzie\u0107: pojedynczy b\u0142\u0105d nie ma znaczenia, \u2153 danych ma znaczenie?<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: Tak. Je\u017celi jedna trzecia danych w\u00a0zbiorze b\u0119dzie nierzetelna, to uzyskane wyniki na pewno nie b\u0119d\u0105 wiarygodne. Dob\u00f3r danych w\u00a0du\u017cym przekroju ma bezpo\u015bredni wp\u0142yw na wyniki. Z\u00a0przymru\u017ceniem oka mo\u017cna poda\u0107 prosty przyk\u0142ad ze \u015bwiata polityki: jak z\u00a0danych usuniemy tre\u015bci prawicowe, to otrzymamy model lewicowy \u2013 i\u00a0odwrotnie. Dane musz\u0105 wi\u0119c by\u0107 reprezentatywne.<\/p>\n\n\n\n

Dlaczego sztuczna inteligencja to takie skuteczne narz\u0119dzie w\u00a0zastosowaniach przemys\u0142owych?<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: W\u00a0przemy\u015ble jest bardzo du\u017cy potencja\u0142 optymalizacji dzi\u0119ki sztucznej inteligencji. Optymalizacja to jest s\u0142owo kluczowe. Dlatego w\u0142a\u015bnie korzystamy z\u00a0takich technologii. Poszukujemy oszcz\u0119dno\u015bci, poszukujemy ulepsze\u0144 \u2013 i\u00a0te algorytmy mog\u0105 w\u00a0tym bardzo pom\u00f3c. Przede wszystkim dlatego, \u017ce w\u00a0przemy\u015ble zwykle jest ogrom danych. Jest w\u00a0nich du\u017co informacji, du\u017co wiedzy, kt\u00f3ra a\u017c si\u0119 prosi, \u017ceby j\u0105 wykorzysta\u0107 \u2013 natomiast nie wida\u0107 jej go\u0142ym okiem. Oczywi\u015bcie te dane s\u0105 specyficzne. Jest ich bardzo du\u017co, zwykle s\u0105 bardzo surowe i\u00a0nap\u0142ywaj\u0105 z\u00a0du\u017c\u0105 cz\u0119stotliwo\u015bci\u0105, ale s\u0105 takie algorytmy, kt\u00f3re sobie z\u00a0tego rodzaju danymi bardzo dobrze radz\u0105. Wa\u017cne jednak, aby dobrze okre\u015bli\u0107, jaki jest cel zastosowania takiego algorytmu, co konkretnie chcemy osi\u0105gn\u0105\u0107. Czy optymalizowa\u0107? Czy przewidzie\u0107 awari\u0119?<\/p>\n\n\n\n

Szymon<\/strong>: Nawet proste, eksperymentalne systemy, takie jak Barometr AVEVA albo system optymalizuj\u0105cy prac\u0119 windy w\u00a0budynku ASTOR Technology Park, pokazuj\u0105 \u017ce dla sztucznej inteligencji w\u0142a\u015bciwie nie ma ogranicze\u0144. Czyli jakiegokolwiek problemu by\u015bmy nie sformu\u0142owali, sztuczna inteligencja b\u0119dzie si\u0119 do tego nadawa\u0107. W\u00a0przemy\u015ble ma to szczeg\u00f3lne znaczenie. Wyobra\u017amy sobie, \u017ce mamy do czynienia z\u00a0prost\u0105 w\u00a0sumie sytuacj\u0105, w\u00a0kt\u00f3rej jest kilkana\u015bcie sygna\u0142\u00f3w, kt\u00f3re musimy wysterowa\u0107. Mo\u017cliwych kombinacji ustawie\u0144 tych sygna\u0142\u00f3w mo\u017ce by\u0107 kilkana\u015bcie milion\u00f3w. Przygotowa\u0107 funkcj\u0119, kt\u00f3ra b\u0119dzie to regulowa\u0107 lub optymalizowa\u0107 jest bardzo trudno. Tymczasem algorytmy sztucznej inteligencji potrafi\u0105 sobie radzi\u0107 z\u00a0tego rodzaju wyzwaniami.<\/p>\n\n\n\n

<\/div>\n\n\n
\n
\"\"
Obraz wygenerowany przez AI w\u00a0aplikacji \u201eMid Journey\u201d, w\u00a0odpowiedzi na opis: \u201edziennikarz przeprowadzaj\u0105cy wywiad z\u00a0dwoma data scientistami na temat sztucznej inteligencji podczas sp\u0142ywu kajakowego w\u00a0wysokich g\u00f3rach na ksi\u0119\u017cycu, styl kresk\u00f3wkowy\u201d. \u0179r\u00f3d\u0142o: Midjourney<\/em><\/figcaption><\/figure>\n<\/div>\n\n\n
<\/div>\n\n\n\n

A\u00a0po co sztuczna inteligencja w\u00a0Wordzie? Czy inteligentne automaty, kt\u00f3re we wszystkim zaczynaj\u0105 nas wyr\u0119cza\u0107, nie doprowadz\u0105 w\u00a0ko\u0144cu do naszego ca\u0142kowitego og\u0142upienia? Wszak m\u00f3wi si\u0119, \u017ce nieu\u017cywany organ zanika.<\/strong><\/p>\n\n\n\n

Mateusz<\/strong>: To jest bardzo humanistyczne pytanie. Kwesti\u0105 nie jest to, czy sztuczna inteligencja jest gdzie\u015b potrzebna, tylko czy kto\u015b jej tam chce. Je\u017celi kto\u015b znajdzie w\u00a0tym biznes, a\u00a0kto\u015b inny b\u0119dzie chcia\u0142 za to zap\u0142aci\u0107, to b\u0119dzie to zrobione. To jest pytanie o\u00a0ka\u017cdy rodzaj innowacyjno\u015bci. Czy jest potrzebna automatyzacja, robotyzacja? Na przyk\u0142ad mamy skiturowc\u00f3w, kt\u00f3rzy podje\u017cd\u017caj\u0105 na nartach na sam\u0105 g\u00f3r\u0119, i\u00a0mamy tych, kt\u00f3rzy korzystaj\u0105 z\u00a0wyci\u0105g\u00f3w. Mo\u017cemy zawsze powiedzie\u0107, \u017ce jaki\u015b mechanizm nie jest potrzebny, \u017ce nie jest to rzecz, bez kt\u00f3rej ludzie nie mogliby \u017cy\u0107, ale jest on przydatny \u2013 i\u00a0kto\u015b jest w\u00a0stanie za to zap\u0142aci\u0107.<\/p>\n\n\n\n

A\u00a0co z\u00a0tymi masowymi zwolnieniami? Stracimy prac\u0119, czy nie?<\/strong><\/p>\n\n\n\n

Szymon<\/strong>: Je\u017celi praca jest bardzo mocno powtarzalna, mo\u017ce by\u0107 zast\u0105piona przez maszyny i\u00a0algorytmy. Technologia od zawsze zabiera prac\u0119. Ale czynnik humanistyczny jest bardzo wa\u017cny. Zwykle wolimy zobaczy\u0107 prawdziwego, \u017cywego cz\u0142owieka, ni\u017c system albo komputer. Nie ma si\u0119 te\u017c co obawia\u0107, \u017ce prac\u0119 strac\u0105 arty\u015bci. Je\u017celi mamy tak\u0105 potrzeb\u0119, \u017ce potrzebujemy obrazu zachodz\u0105cego s\u0142o\u0144ca, to wpisujemy to w\u00a0Google albo do kt\u00f3rej\u015b z\u00a0powstaj\u0105cych aplikacji generuj\u0105cych obrazy \u2013 i\u00a0mamy obraz zachodz\u0105cego s\u0142o\u0144ca. Ale to nie to samo, co prawdziwy obraz namalowany przez malarza. To jest ta sama sytuacja, z\u00a0kt\u00f3r\u0105 mieli\u015bmy do czynienia sto lat temu: gdy by\u0142em malarzem, to brali mnie na Antarktyd\u0119, \u017ceby namalowa\u0107 tamtejszy pejza\u017c, a\u00a0teraz pojawia si\u0119 magiczne pude\u0142ko, w\u00a0kt\u00f3rym wystarczy nacisn\u0105\u0107 przycisk i\u00a0obraz ju\u017c jest. Mowa o\u00a0aparacie fotograficznym. To by\u0142a ta sama obawa. Ale potem zosta\u0142o to zaakceptowane i\u00a0teraz fotografia jest dziedzin\u0105 sztuki kropka. Wi\u0119c w\u00a0Google mog\u0119 znajdowa\u0107 nie tylko gotowe obrazy, ale wci\u0105\u017c mog\u0119 znajdowa\u0107 artyst\u00f3w.<\/p>\n\n\n\n

Mateusz<\/strong>: Czynnik ludzki zawsze b\u0119dzie potrzebny. To jest w\u00a0og\u00f3le ciekawy problem: Czy istnieje co\u015b takiego jak og\u00f3lna, wszystkowiedz\u0105ca sztuczna inteligencja? Taka totalna? By\u0107 mo\u017ce co\u015b takiego mo\u017ce istnie\u0107, natomiast teraz jej nie ma. Je\u017celi kiedy\u015b b\u0119dzie, to znaczy, \u017ce to na pewno cz\u0142owiek b\u0119dzie musia\u0142 j\u0105 stworzy\u0107. Pewne jest jednak, \u017ce to jest jeszcze daleko, daleko przed nami.<\/p>\n\n\n\n

rozmawia\u0142: Mateusz Pierzcha\u0142a<\/strong><\/p>\n\n\n\n

<\/div>\n\n\n\n
\n
\n
\n

Newsletter Poradnika Automatyka<\/h3><\/div>\n

Czytaj trendy i inspiracje, podstawy automatyki, automatyk\u0119 w praktyce<\/p>\n<\/div>\n

\n
\n